在 PyTorch 中调整大小

请我喝杯咖啡☕

*备忘录：

• 我的帖子解释了 OxfordIIITPet()。

Resize() 可以调整零个或多个图像的大小，如下所示：

*备忘录：

• 初始化的第一个参数是 size（必需类型：int 或 tuple/list(int)）： *备注：
  • 它是[宽度，高度]。
  • 必须是 1
  • 元组/列表必须是具有 1 或 2 个元素的一维。
  • 单个值（int 或 tuple/list(int`)）应用于较小图像的宽度或高度边缘，然后另一个较大的宽度或高度边缘也会调整大小： *备注：
  • 如果图像宽度小于其高度，则为 [尺寸, 尺寸 * 宽度 / 高度]。
  • 如果图像宽度大于其高度，则为 [尺寸 * 宽度 / 高度 , 尺寸]。
  • 如果图像宽度等于其高度，则为 [size, size]。
• 初始化的第二个参数是插值（Optional-Default:InterpolationMode.BILINEAR-Type:InterpolationMode）。
• 初始化的第三个参数是 max_size(Optional-Default:None-Type:int)： *备注：
  • 仅当 size 为单个值（int 或 tuple/list(int`)）时才支持。
  • 应用尺寸后，如果较大图像的宽度或高度边缘超过它，则会将其应用于较大图像的宽度或高度边缘以限制图像尺寸，然后其他较小图像的宽度或高度边缘也会变得比之前小。
• 初始化的第四个参数是抗锯齿（可选默认值：True-Type：bool）。 *即使设置为 False，插值为 InterpolationMode.BILINEAR 或 InterpolationMode.BICUBIC 时也始终为 True。
• 第一个参数是img（必需类型：PIL图像或张量（int，float，complex或bool））： *备注：
  • 张量必须是一个或多个元素的 3D 或多维张量。
  • 不要使用img=。
• v2建议按照V1还是V2使用？我应该使用哪一个？

from torchvision.datasets import OxfordIIITPet
from torchvision.transforms.v2 import Resize
from torchvision.transforms.functional import InterpolationMode

resize = Resize(size=100)
resize = Resize(size=100,
                interpolation=InterpolationMode.BILINEAR,
                max_size=None,
                antialias=True)
resize
# Resize(size=[100],
#        interpolation=InterpolationMode.BILINEAR,
#        antialias=True)

resize.size
# [100]

resize.interpolation
# <interpolationmode.bilinear:>

print(resize.max_size)
# None

resize.antialias
# True

origin_data = OxfordIIITPet(
    root="data",
    transform=None
)

p1000_data = OxfordIIITPet(
    root="data",
    transform=Resize(size=1000)
    # transform=Resize(size=[1000])
)

p100_data = OxfordIIITPet(
    root="data",
    transform=Resize(size=100)
)

p50_data = OxfordIIITPet(
    root="data",
    transform=Resize(size=50)
)

p10_data = OxfordIIITPet(
    root="data",
    transform=Resize(size=10)
)

p100p180_data = OxfordIIITPet(
    root="data",
    transform=Resize(size=[100, 180])
)

p180p100_data = OxfordIIITPet(
    root="data",
    transform=Resize(size=[180, 100])
)

p100ms110_data = OxfordIIITPet(
    root="data",
    transform=Resize(size=100, max_size=110)
)

import matplotlib.pyplot as plt

def show_images1(data, main_title=None):
    plt.figure(figsize=(10, 5))
    plt.suptitle(t=main_title, y=0.8, fontsize=14)
    for i, (im, _) in zip(range(1, 6), data):
        plt.subplot(1, 5, i)
        plt.imshow(X=im)
    plt.tight_layout()
    plt.show()

show_images1(data=origin_data, main_title="origin_data")
show_images1(data=p1000_data, main_title="p1000_data")
show_images1(data=p100_data, main_title="p100_data")
show_images1(data=p50_data, main_title="p50_data")
show_images1(data=p10_data, main_title="p10_data")
print()
show_images1(data=origin_data, main_title="origin_data")
show_images1(data=p100p180_data, main_title="p100p180_data")
show_images1(data=p180p100_data, main_title="p180p100_data")
print()
show_images1(data=p100_data, main_title="p100_data")
show_images1(data=p100ms110_data, main_title='p100ms110_data')

# ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
def show_images2(data, main_title=None, s=None, ms=None):
    plt.figure(figsize=(10, 5))
    plt.suptitle(t=main_title, y=0.8, fontsize=14)
    for i, (im, _) in zip(range(1, 6), data):
        plt.subplot(1, 5, i)
        if not s:
            s = im.size
        resize = Resize(size=s, max_size=ms) # Here
        plt.imshow(X=resize(im)) # Here
    plt.tight_layout()
    plt.show()

show_images2(data=origin_data, main_title="origin_data")
show_images2(data=origin_data, main_title="p1000_data", s=1000)
show_images2(data=origin_data, main_title="p100_data", s=100)
show_images2(data=origin_data, main_title="p50_data", s=50)
show_images2(data=origin_data, main_title="p10_data", s=10)
print()
show_images2(data=origin_data, main_title="origin_data")
show_images2(data=origin_data, main_title="p100p180_data", s=[100, 180])
show_images2(data=origin_data, main_title="p180p100_data", s=[180, 100])
print()
show_images2(data=origin_data, main_title="p100_data", s=100)
show_images2(data=origin_data, main_title="p100ms110_data", s=100, ms=110)
</interpolationmode.bilinear:>

---

---

以上是在 PyTorch 中调整大小的详细内容。更多信息请关注PHP中文网其他相关文章！